python 中的list和array的不同之處及轉(zhuǎn)換問題
python中的list是python的內(nèi)置數(shù)據(jù)類型，list中的數(shù)據(jù)類不必相同的，而array的中的類型必須全部相同。在list中的數(shù)據(jù)類型保存的是數(shù)據(jù)的存放的地址，簡單的說就是指針，并非數(shù)據(jù)，這樣保存一個list就太麻煩了，例如list1=[1,2,3,'a']需要4個指針和四個數(shù)據(jù)，增加了存儲和消耗cpu。
numpy中封裝的array有很強大的功能，里面存放的都是相同的數(shù)據(jù)類型
list1=[1,2,3,'a'] print list1 a=np.array([1,2,3,4,5]) b=np.array([[1,2,3],[4,5,6]]) c=list(a) # array到list的轉(zhuǎn)換 print a,np.shape(a) print b,np.shape(b) print c,np.shape(c)
運行結(jié)果：
[1, 2, 3, 'a'] # 元素數(shù)據(jù)類型不同，并且用逗號隔開 [1 2 3 4 5] (5L,) # 一維數(shù)組，類型用tuple表示 [[1 2 3] [4 5 6]] (2L, 3L) [1, 2, 3, 4, 5] (5L,)
創(chuàng)建：
array的創(chuàng)建：參數(shù)既可以是list，也可以是元組.使用對應的屬性shape直接得到形狀
a=np.array((1,2,3,4,5))# 參數(shù)是元組 b=np.array([6,7,8,9,0])# 參數(shù)是list c=np.array([[1,2,3],[4,5,6]])# 參數(shù)二維數(shù)組 print a,b, c.shape()
也可以直接改變屬性array的形狀，-1代表的是自己推算。這里并不是T, reshape(())也可以
c = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]])
c.shape # (3L, 4L)
c.shape=4,-1 //c.reshape((2,-1))
c
<pre style="box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; background-color: rgb(255, 255, 255);">array([[ 1, 2, 3],
[ 4, 4, 5],
[ 6, 7, 7],
[ 8, 9, 10]])
這里的reshape最終相當于是一個淺拷貝，也就是說還是和原來的書c使用相同的內(nèi)存空間
d=c.reshape((2,-1))
d[1:2]=100
c
array([[ 1, 2, 3],
[ 4, 4, 5],
[100, 100, 100],
[100, 100, 100]])
前面在創(chuàng)建數(shù)組的時候并沒有使用數(shù)據(jù)類型，這里我們也可以使用數(shù)據(jù)類型。默認的是int32.
a1=np.array([[1,2,3],[4,5,6]],dtype=np.float64) print a1.dtype,a.dtype #float64 int32<pre style="margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; background-color: rgb(255, 255, 255);">
前面在創(chuàng)建的時候我們都是使用的np.array()方法從tuple或者list轉(zhuǎn)換成為array，感覺很是費勁，numpy自己提供了很多的方法讓我們自己直接創(chuàng)建一個array.
arr1=np.arange(1,10,1) # arr2=np.linspace(1,10,10) print arr1,arr1.dtype print arr2,arr2.dtype [1 2 3 4 5 6 7 8 9] int32 [ 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.] float64
np.arange(a,b,c)表示產(chǎn)生從a-b不包括b，間隔為c的一個array，數(shù)據(jù)類型默認是int32。但是linspace(a,b,c)表示的是把a-b平均分成c分，它包括b。
有時候我們需要對于每一個元素的坐標進行賦予不同的數(shù)值，可以使用fromfunction函數(shù)
def fun(i): return i%4+2 np.fromfunction(fun,(10,)) array([ 2., 3., 4., 5., 2., 3., 4., 5., 2., 3.])
fromfunction必須支持多維數(shù)組，所以他的第二個參數(shù)必須是一個tuple，只能是(10,),(10)是錯誤的。
def fun2(i,j):
return (i+1)*(j+1)
np.fromfunction(fun2,(9,9))
array([[ 1., 2., 3., 4., 5., 6., 7., 8., 9.],
[ 2., 4., 6., 8., 10., 12., 14., 16., 18.],
[ 3., 6., 9., 12., 15., 18., 21., 24., 27.],
[ 4., 8., 12., 16., 20., 24., 28., 32., 36.],
[ 5., 10., 15., 20., 25., 30., 35., 40., 45.],
[ 6., 12., 18., 24., 30., 36., 42., 48., 54.],
[ 7., 14., 21., 28., 35., 42., 49., 56., 63.],
[ 8., 16., 24., 32., 40., 48., 56., 64., 72.],
[ 9., 18., 27., 36., 45., 54., 63., 72., 81.]])
雖然說，這里提供了很多的直接產(chǎn)生array的方式，但是大部分情況我們都是會從list進行轉(zhuǎn)換，因為在實際的處理中，我們需要從txt加載文件，那樣直接讀入的數(shù)據(jù)顯示存放到list中，需要處理的時候我們轉(zhuǎn)換到array,因為
array的設計更加符合我們的使用，涉及到矩陣的運算在使用mat，那么list主要就是用進行元素的索取。
def loaddataSet(fileName):
file=open(fileName)
dataMat=[] //
for line in file.readlines():
curLine=line.strip().split('\t')
floatLine=map(float,curLine)//這里使用的是map函數(shù)直接把數(shù)據(jù)轉(zhuǎn)化成為float類型
dataMat.append(floatLine)
return dataMat
上面的韓順返回最終的數(shù)據(jù)就是最初的list數(shù)據(jù)集，再根據(jù)不同的處理需求是轉(zhuǎn)化到array還是mat。其實array是mat的父類，能用mat的地方，array理論上都能傳入。
元素訪問：
arr[5] #5 arr[3:5] #array([3, 4]) arr[:5] #array([0, 1, 2, 3, 4]) arr[:-1]# array([0, 1, 2, 3, 4, 5, 6, 7, 8]) arr[:] #array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr[2:4]=100 # array([ 0, 1, 100, 100, 4, 5, 6, 7, 8, 9]) arr[1:-1:2] #array([ 1, 100, 5, 7]) 2 是間隔 arr[::-1] #array([ 9, 8, 7, 6, 5, 4, 100, 100, 1, 0]) arr[5:2:-1]# -1的間隔表示從右向左所以5>2 #array([ 5, 4, 100])
上面是array的一維數(shù)組的訪問方式，我們再來看看二維的處理方式
print c[1:2]# c[1:2].shape-->(1L, 3L) print c[1:2][0] # shape-->(3L,) [[4 4 5]] [4 4 5] [python] view plain copy print c[1] print c[1:2] [4 4 5] [[4 4 5]] [python] view plain copy print c[1][2] print c[1:4] print c[1:4][0][2] 5 [[ 4 4 5] [100 100 100] [100 100 100]] 5
可以看出對于有:的表達最終的結(jié)果外面還嵌套一層list的[]，。訪問的一定要注意，python最bug的就是，語法
靈活，不管怎樣寫索引語法都是正確的，但是最終的書結(jié)果卻讓你大跌眼鏡。
還有array的索引最終產(chǎn)生的是一個一個原始數(shù)據(jù)的淺拷貝，還和原來的數(shù)據(jù)共用一塊兒內(nèi)存
b=arr[1:6] b[:3]=0 arr #<pre style="box-sizing: border-box; overflow: auto; font-size: 14px; padding: 0px; margin-top: 0px; margin-bottom: 0px; line-height: 17.0001px; word-break: break-all; word-wrap: break-word; border: 0px; border-radius: 0px; white-space: pre-wrap; vertical-align: baseline; background-color: rgb(255, 255, 255);">array([0, 0, 0, 0, 4, 5, 6, 7, 8, 9])
產(chǎn)生上面的原因是因為array中直接存放的數(shù)據(jù)，拷貝的話直接拿走的是pointer，沒有取走數(shù)據(jù)，但是list卻會直接發(fā)生深拷貝，數(shù)據(jù)指針全部帶走
list1=list(c) list1[1]=0 list1 #上面修改的0并沒有被改變 [array([1, 2, 3]), 0, array([100, 100, 100]), array([100, 100, 100])]
除了這些之外還有自己的更加牛掰的方式（只能用array)
1）使用布爾數(shù)組.感覺甚是強大，就不要自己寫什么判斷語句啦，注意這種方式得到結(jié)果不和原始數(shù)組共享空間。布爾索引僅僅適用于數(shù)組array，list沒資格用。布爾索引最終得到下標索引為true的數(shù)據(jù)。索引只能是布爾數(shù)組
a=np.array(a*2) a>5 a[a>5] # array([16, 32, 48, 64, 80, 16, 32, 48, 64, 80])
2)列表索引
列表索引可以是數(shù)組和list。返回的數(shù)據(jù)不和原來的數(shù)據(jù)共享內(nèi)存。索引可以是list和array
x=np.arange(10) index=[1,2,3,4,5] arr_index=np.array(index) print x print x[index] # list索引 print x[arr_index] # array索引 [0 1 2 3 4 5 6 7 8 9] [1 2 3 4 5] [1 2 3 4 5]
array和list區(qū)別*2
a=np.arange(10) lista=list(a) print a*2 print lista*2 [ 0 2 4 6 8 10 12 14 16 18] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
array的廣播
a = np.arange(0, 60, 10).reshape(-1, 1) b = np.arange(0, 5) print a print b [[ 0] [10] [20] [30] [40] [50]] [0 1 2 3 4] print np.add(a,b,c) [[ 0 1 2 3 4] [10 11 12 13 14] [20 21 22 23 24] [30 31 32 33 34] [40 41 42 43 44] [50 51 52 53 54]]
總結(jié)
以上所述是小編給大家介紹的python 中的list和array的不同之處及轉(zhuǎn)換問題，希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
相關文章
這篇文章主要介紹了詳解Python中的Array模塊,Python中的array模塊是一個預定義的數(shù)組，因此其在內(nèi)存中占用的空間比標準列表小得多，同時也可以執(zhí)行快速的元素級別操作，例如添加、刪除、索引和切片等操作，需要的朋友可以參考下2023-04-04
這篇文章主要介紹了PHP基于phpqrcode類庫生成二維碼過程解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-05-05
這篇文章主要介紹了numpy linalg模塊的具體使用方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05
Pytorch矩陣乘法(torch.mul() 、 torch.mm() 和torch.m
在深度學習和神經(jīng)網(wǎng)絡的世界里,矩陣乘法是一項至關重要的操作,本文主要介紹了Pytorch矩陣乘法,包含了torch.mul() 、 torch.mm() 和torch.matmul()的區(qū)別,具有一定的參考價值,感興趣的可以了解一下2024-03-03
Python + Flask 實現(xiàn)簡單的驗證碼系統(tǒng)
這篇文章主要介紹了Python + Flask 制作一個簡單的驗證碼系統(tǒng),本文圖文并茂給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友可以參考下2019-10-10
這篇文章主要介紹了詳解如何將python3.6軟件的py文件打包成exe程序，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-10-10
文章去重（或叫網(wǎng)頁去重）是根據(jù)文章（或網(wǎng)頁）的文字內(nèi)容來判斷多個文章之間是否重復。這篇文章主要介紹了用Python寫了個檢測文章抄襲，詳談去重算法原理,需要的朋友可以參考下2019-06-06
本文主要介紹了pandas檢查和填充缺失值的N種方法總結(jié)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-01-01
這篇文章主要介紹了MySQL中的觸發(fā)器,包括使用觸發(fā)器添加、更新、刪除用戶等操作,需要的朋友可以參考下2015-05-05
這篇文章主要介紹了Python?Matplotlib?marker?標記詳解，Matplotlib，風格類似?Matlab?的基于?Python?的圖表繪圖系統(tǒng)，詳細內(nèi)容需要的小伙伴可以參考一下2022-07-07